Verktyget för artificiell intelligens avslöjar könsskillnader i hjärnans struktur
Senast recenserade: 14.06.2024
Allt iLive-innehåll är mediekontrollerat eller faktiskt kontrollerat för att säkerställa så mycket faktuell noggrannhet som möjligt.
Vi har strikta sourcing riktlinjer och endast länk till välrenommerade media webbplatser, akademiska forskningsinstitut och, när det är möjligt, medicinsk peer granskad studier. Observera att siffrorna inom parentes ([1], [2] etc.) är klickbara länkar till dessa studier.
Om du anser att något av vårt innehåll är felaktigt, omodernt eller på annat sätt tveksamt, välj det och tryck på Ctrl + Enter.
Datorprogram med artificiell intelligens (AI) som bearbetar MRT-skanningar avslöjar skillnader i organisationen av mäns och kvinnors hjärnor på cellnivå, visar en ny studie. Dessa skillnader påträffades i vit substans, vävnad som främst finns i det inre lagret av den mänskliga hjärnan som underlättar kommunikationen mellan regioner.
Män och kvinnor är kända för att lida olika av multipel skleros, autismspektrumstörning, migrän och andra hjärnproblem och att de uppvisar olika symtom. En detaljerad förståelse av hur biologiskt sex påverkar hjärnan ses som ett sätt att förbättra diagnostiska verktyg och behandlingar. Men även om hjärnans storlek, form och vikt har studerats, har forskarna endast en delvis förståelse för dess struktur på cellnivå.
Den nya studien, ledd av forskare vid NYU Langone Health, använde en AI-teknik som kallas maskininlärning för att analysera tusentals MRI-skanningar av hjärnan hos 471 män och 560 kvinnor. Resultaten visade att datorprogram exakt kunde skilja mellan manliga och kvinnliga hjärnor och avslöja strukturella och komplexa mönster som var osynliga för det mänskliga ögat.
Resultaten bekräftades av tre olika AI-modeller utformade för att bestämma biologiskt kön, genom att använda deras relativa styrkor för att antingen fokusera på små områden med vit substans eller analysera kopplingar över stora hjärnregioner.
"Våra fynd ger en tydligare förståelse av strukturen hos den levande mänskliga hjärnan, vilket kan ge nya insikter om hur många psykiatriska och neurologiska störningar utvecklas och varför de kan uppträda olika hos män och kvinnor", säger studiens huvudförfattare. Och neuroradiolog Yvonne Luey, MD.
Luy, professor och vice ordförande för forskning vid avdelningen för radiologi vid NYU Grossman School of Medicine, noterar att tidigare studier av hjärnans mikrostruktur främst har förlitat sig på djurmodeller och mänskliga vävnadsprover. Dessutom har giltigheten av några av dessa tidigare fynd ifrågasatts genom användning av statistiska analyser av "handritade" regioner av intresse, vilket krävde forskare att fatta många subjektiva beslut om formen, storleken och placeringen av de utvalda regioner. Sådana val kan potentiellt förvränga resultaten, säger Lui.
Den nya studien undvek detta problem genom att använda maskininlärning för att analysera hela grupper av bilder utan att peka datorn mot en specifik plats, vilket hjälper till att eliminera mänsklig fördom, konstaterar författarna.
För studien började teamet med att förse AI-programmen med befintliga data från prov-MRT-hjärnskanningar av friska män och kvinnor, som också specificerade det biologiska könet för varje skanning. Eftersom dessa modeller utformades för att använda sofistikerade statistiska och matematiska tekniker för att bli "smartare" med tiden när data samlades, "lärde de sig" så småningom att särskilja biologiskt kön på egen hand. Det är viktigt att notera att programmen förbjöds att använda övergripande hjärnstorlek och form för sina bestämningar, säger Lui.
Enligt resultaten identifierade alla modeller korrekt kön från skanningar i 92 % - 98 % av fallen. Flera funktioner hjälpte särskilt maskinerna att nå sina slutsatser, inklusive hur lätt och i vilken riktning vatten kunde röra sig genom hjärnvävnaden.
"Dessa resultat understryker vikten av mångfald när man studerar sjukdomar som har sitt ursprung i den mänskliga hjärnan", säger studiens medförfattare Junbo Chen, MS, doktorand vid NYU Tandon School of Engineering.
"Om, som det har varit fallet historiskt, män används som standardmodell för olika störningar, kan forskare missa kritiska insikter", tillade studiens medförfattare Vara Lakshmi Bayanagari, MS, en doktorand vid NYU Tandon Ingenjörshögskolan.
Bayanagari varnar för att även om AI-verktyg kunde rapportera skillnader i hjärncellsorganisation, kunde de inte avslöja vilket kön som var mer benäget att ha vilka egenskaper. Hon tillägger att studien klassificerade kön baserat på genetisk information och endast inkluderade MRT-undersökningar av cisgender män och kvinnor.
Teamet planerar att ytterligare studera utvecklingen av könsskillnader i hjärnans struktur över tid för att bättre förstå vilken roll miljömässiga, hormonella och sociala faktorer spelar i dessa förändringar, sa författarna.
Arbetet publicerades i tidningen Scientific Reports.